锂电池健康管理与故障诊断-储能大会-胡晓松.pdf

《锂电池健康管理与故障诊断-储能大会-胡晓松.pdf》由会员分享，可在线阅读，更多相关《锂电池健康管理与故障诊断-储能大会-胡晓松.pdf（33页珍藏版）》请在三个皮匠报告上搜索。

1、Email:xiaosonghuieee.org第九届全国储能科学与技术大会第九届全国储能科学与技术大会先进表征技术在储能中的应用先进表征技术在储能中的应用2024-3-25胡晓松、邓忠伟重庆大学 机械与运载工程学院学院国家卓越工程师学院重庆自主品牌汽车协同创新中心锂离子电池健康评估与故障诊断目录2024-3-25 2电池健康评估 1 研究意义及挑战 3电池故障诊断22024-3-2531.1 研究意义电化学储能被广泛应用电化学储能被广泛应用 电化学储能已经开始从兆瓦级别的示范应用迈向电化学储能已经开始从兆瓦级别的示范应用迈向吉瓦级别的规模市场化吉瓦级别的规模市场化20252025年中国电化学

2、储能装机容量展望年中国电化学储能装机容量展望20302030年全球电化学储能装机容量展望年全球电化学储能装机容量展望2024-3-2541.1 研究意义 开展电化学电池的开展电化学电池的健康管理与故障诊断等智能运维技术健康管理与故障诊断等智能运维技术是保障储能系统安全经济是保障储能系统安全经济运行的重要手段运行的重要手段电池寿命电池寿命性能衰减性能衰减能能运行运行多久？多久？事事故故危危害害大大残残值值评评估估难难电池智能运维技术电池智能运维技术健康管理故障诊断安全预警保障储能系统保障储能系统安全经济运行安全经济运行2024-3-255电池充放电循环电池老化健康状态衰退性能衰减需要更换 电池在

3、使用过程中发生老化，健康状态（SOH）反映了电池老化程度 电池老化机理复杂，衰退路径差异大，已有估计方法泛化能力差1.2 关键挑战电池健康状态估计2024-3-256电池预测运维电池优化控制为电池生产制造提供指导1.2 关键挑战电池剩余寿命预测 难以获得真实标签：算法缺乏在线学习功能 算法训练所需数据量大（50%）：数据质量要求高，难以实现早期预测 算法缺乏机理解释：无法识别容量跳水，工况变动后误差较大特征提取机器学习算法训练 基于数据驱动的寿命预测 电池寿命预测的价值2024-3-257储能电站事故储能电站事故安全事故种安全事故种类故障诊断与安全预警技术故障诊断与安全预警技术对于保障储能系统

4、安全可靠运行至关重要对于保障储能系统安全可靠运行至关重要 电池系统安全问题愈发受到人们重视并亟待解决电池系统安全问题愈发受到人们重视并亟待解决来源:UL Solutionshttps:/ 关键挑战电池故障诊断起火爆炸发热鼓包排气2024-3-2581.2 关键挑战电池故障诊断 电池系统故障诊断关键技术电池包水平的关键特征提取与融合自适应阈值、融合式诊断方法多故障诊断与容错控制 电池系统故障特点电池故障模式众多多种故障机理复杂存在多故障耦合情况Hu X.*et al.Advanced Fault Diagnosis for Lithium-Ion Battery Systems:A Review

5、 of Fault Mechanisms,Fault Features,and Diagnosis Procedures,IEEE Industrial Electronics Magazine,14,3,65-91,20202024-3-25 2电池健康评估 1 研究意义及挑战 3电池故障诊断9目录2024-3-2510算法核心模块：1.异常电芯筛选：异常电芯筛选：从电池包中筛选出健康状态较差的单体2.机理模型：机理模型：通过电化学模型提取能够准确表征电池健康状态的内部机理参数3.特征工程：特征工程：从电池电流、电压、温度等外特性数据提取表征电池健康的数据特征，以及机理特征提取4.AI算法算

6、法SOH估计估计/寿命预测：寿命预测：采用先进的高斯过程回归（GPR）和深度学习算法（DCNN）等AI算法，建立SOH估计/寿命预测模型。2.1 电池健康评估：总体方案多维度数据支撑1.单体电池老化数据：单体电池老化数据：全寿命周期的充放电数据，用于模型训练（本团队已积累了大量电池老化实验和工程数据）2.电池系统静态数据：电池系统静态数据：电池种类，串并联结构，标称容量等，用于特征提取3.云端大数据或离线测试数据：云端大数据或离线测试数据：电流、总电压、单体电压、单体温度，用于特征提取及SOH估计2024-3-25112.2 核心算法异常电芯筛选模块基于充放电数据，提取多维度特征聚类算法1 聚